Las respuestas realmente dependen de lo que quiere decir con errores y qué tipo de software quiere construir. Hay algunos escenarios diferentes y voy a resumir algunos de ellos y destacar las posibilidades tecnológicas. Dirijo una empresa de codificación médica, pero he sido auditor de alto nivel durante 18 años. No tengo mucha experiencia en la creación de software, pero me he desempeñado como experto en procesos comerciales.
Desde una perspectiva puramente de auditoría, existe una gran cantidad de subjetividad al determinar si la documentación, para cualquier reclamo, respalda los cargos facturados. Esto casi siempre requerirá que una persona revise toda la documentación y los registros de facturación para asegurarse de que todo coincida. Si el reclamo y la documentación no coinciden, será necesario un codificador / auditor para volver a codificar el reclamo en función de la historia clínica y para determinar cuánto se debería haber cobrado y establecer la diferencia (el error es la diferencia en lo que fue cargado y lo que fue respaldado por la documentación). Creo que hay alguna oportunidad de utilizar la codificación asistida por computadora (CAC) para ayudar con la revisión de la documentación. CAC utiliza la tecnología NLP para buscar ciertos elementos dentro de la documentación y resalta toda la documentación utilizada para respaldar el código seleccionado. Esto mejora la eficiencia del auditor pero, por lo general, está lejos de ser precisa para los códigos de codificación de procedimientos (CPT, HCPCS) y de Evaluación / Gestión (E & M), que manejan los cargos de pacientes ambulatorios y clínicos. Parece que el CAC solo genera resultados casi perfectos en la codificación del diagnóstico que respalda la necesidad médica de facturar a pacientes ambulatorios y clínicos. Los diagnósticos ayudan a determinar el reembolso de los gastos hospitalarios y hospitalarios. La mejor oportunidad sería crear un software CAC que pueda incluir datos de diferentes registros médicos en lotes pequeños. Los CAC actuales se integran con un registro médico electrónico del hospital o del médico y luego se ajustan para esa construcción. Los auditores tienden a consultar los registros médicos de diferentes EMR (registros médicos electrónicos) de muchos hospitales y clínicas diferentes, y podrían usar cierta ayuda para analizar y buscar los registros que están revisando. Personalmente, la función de búsqueda en la interfaz CAC es mi herramienta favorita, ya que alivia cualquier temor de que haya omitido algo durante mi lectura.
Desde una perspectiva de gestión de riesgo empresarial, que es la detección de riesgo para una entidad de atención médica que podría resultar en la detección de fraude y abuso, existe un software que se puede usar, como ACL (lenguaje de comando de auditoría) para buscar posibles tendencias en la facturación. Este proceso requiere una importación de todos los datos de facturación para una población determinada (rango de fechas, proveedor, departamento, ubicación, etc.). Luego, una persona puede ejecutar una lógica que buscará diferentes comportamientos y cuantificar la frecuencia con que se produce este comportamiento. Esto requiere que un ser humano tome el comportamiento y esencialmente los convierta en parámetros de consulta; sin embargo, ACL funciona. Algunos ejemplos de comportamientos serían exámenes o procedimientos médicamente innecesarios, una productividad de los médicos más alta que la normal, combinaciones poco probables de pruebas / procedimientos / suministros y grandes volúmenes de casos de pacientes hospitalizados de alto riesgo. Una vez que se generan algunos clientes potenciales del software, se requiere sentido común evaluar el riesgo. Por ejemplo, un departamento de emergencia puede tener un número inusualmente grande de pacientes con cuentas altas en dólares durante el tercer trimestre: esto podría ser una preocupación de cumplimiento válida si hubiera un nuevo médico en el servicio de urgencias o una nueva persona que presentara cargos, pero después de una auditoría de la documentación se encontró que las facturas fueron compatibles. Tras una investigación adicional, el competidor más cercano había cerrado sus puertas a los pacientes con traumatismos durante la construcción, por lo que los pacientes fueron desviados durante 6 semanas. estas desviaciones causaron que el aumento en los casos se viera en el ED donde se realizó la auditoría y explicaron el aumento para el 3T y el riesgo sospechado era infundado. Creo que hay una oportunidad de hacer una interfaz más amigable para el usuario para crear las consultas sobre el comportamiento. No soy programador ni estadístico, sino un experto en facturación, codificación y comportamiento en el cuidado de la salud.
Desde una perspectiva de facturación / codificación, es lo que en el negocio llamamos depuradores de reclamaciones. Esta es una tecnología que existe desde hace unos 20 años y está bastante probada. Una vez que se genera un reclamo, se ejecuta a través de pruebas lógicas que reflejan la lógica utilizada por las compañías de seguros. Estos depuradores eliminan las reclamaciones que tienen problemas para que puedan repararse antes de que se envíen a la compañía de seguros. Este software no elimina las negativas, pero las reduce significativamente y reduce los costos, ya que una edición es más rápida y fácil de corregir que una denegación. La mayoría de los depuradores permiten que la lógica personalizada capte cualquier reclamo que cumpla con ciertas definiciones. Dado que este tipo de software es más probable de lo que está preguntando. Creo que llevaría un tiempo considerable construir. Si bien la programación es fácil y bastante simple, hay una tonelada de “ediciones” (Definiciones para las reclamaciones que se compararán) que deberían recopilarse e ingresarse. Dado que esta es una tecnología comprobada que no tiene mucho margen de mejora, sería difícil comercializarla. Dudo que haya un retorno significativo de esta inversión.
Sé que algunas compañías han desarrollado software que busca ingresos perdidos (inyecciones cargadas pero sin cargos por medicamentos) y errores más complicados y riesgos menores de cumplimiento (un paciente con múltiples nuevos encuentros con pacientes) que los depuradores no recogen. Los que he visto demostrados o usados crean una gran cantidad de falsos positivos y podrían usar pruebas lógicas más sofisticadas para obtener resultados más precisos. La mayor caída es que una vez que se marca una cuenta, se requiere un codificador experimentado o un auditor de cumplimiento para investigar y, con la gran cantidad de falsos positivos, el riesgo mitigado o los ingresos encontrados se consumen en los gastos operacionales.
